專利名稱：基于車窗定位的車輛遮擋檢測與分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通視頻檢測與跟蹤技術(shù)領(lǐng)域，具體涉及在交通視頻檢測過程中，當出現(xiàn)車輛遮擋的情況時，利用車窗定位進行交通路口或交通監(jiān)測路段車輛遮擋的檢測與分割的技術(shù)。
背景技術(shù)：
城市交通中的視頻監(jiān)控環(huán)節(jié)，由于視頻攝像頭受道路環(huán)境的限制通常架設(shè)得比較低，因此視頻攝像頭實際監(jiān)控的范圍較小，拍到的交通畫面上經(jīng)常存在車輛之間的互相遮擋。這些相互遮擋的車輛在進行視頻分析檢測時，往往容易被誤檢為同一輛車，對車輛跟蹤的精度和性能產(chǎn)生嚴重影響，是車輛跟蹤的難點之一。在交通路口監(jiān)控實踐中，通常將視頻攝像頭架設(shè)在交通路口的正上方，以拍攝往來車輛的前方或者后方。正常情況下，車輛運行各行其道，相鄰的車道之間較少存在干擾； 但是同一車道的前后兩車或多車之間，會有車輛遮擋的情況發(fā)生，同一車道發(fā)生遮擋的兩輛車卻往往不被區(qū)別開來，而是會被誤檢測成同一輛車。從而造成車流量統(tǒng)計的較大誤差。在交通視頻檢測與跟蹤實踐中發(fā)現(xiàn)，當發(fā)生同一車道兩輛車之間相互遮擋時，同一車道兩輛車側(cè)面的車窗一般是不會相互遮擋的?；诖?，本文提出一種新的車輛遮擋檢測與分割方法。

發(fā)明內(nèi)容
在發(fā)明內(nèi)容部分中引入了一系列簡化形式的概念，這將在具體實施方式
部分中進一步詳細說明。本發(fā)明的發(fā)明內(nèi)容部分并不意味著要試圖限定出所要求保護的技術(shù)方案的關(guān)鍵特征和必要技術(shù)特征，更不意味著試圖確定所要求保護的技術(shù)方案的保護范圍。首先對車輛區(qū)域的灰度圖像生成亮度曲線，然后分析亮度曲線，檢測后車窗的個數(shù)。當車牌的個數(shù)超過一個時，表示發(fā)生了車輛遮擋，否則沒有發(fā)生遮擋。當發(fā)生遮擋時， 對后車窗進行定位，并在合適的位置作一條分割線，將發(fā)生遮擋的車輛一分為二，從而消除遮擋的影響，提高車輛檢測的準確度。本發(fā)明的有益效果是，能夠準確進行高清或標清圖像車輛遮擋的檢測和分割，提供更完備的車輛信息，從而為提高車輛檢測及車流量統(tǒng)計的準確性。


本發(fā)明的下列附圖在此作為本發(fā)明的一部分用于理解本發(fā)明。圖1為本發(fā)明的車輛遮擋檢測與分割方法的流程圖；圖2為根據(jù)本發(fā)明的車輛遮擋檢測與分割方法對運動車輛圖像繪制的水平亮度曲線圖；圖3為根據(jù)圖2所示的水平亮度曲線確定的后車窗定位圖；圖4根據(jù)本發(fā)明的車輛遮擋檢測與分割方法通過水平亮度曲線得到的后車窗的位置和車輛分割線；圖5是通過圖4的分割線為界的兩輛車的垂直亮度曲線得到車輛寬度；圖6為根據(jù)本發(fā)明的車輛遮擋檢測與分割方法得到的遮擋車輛分割圖。
具體實施例方式在下文的描述中，給出了大量具體的細節(jié)以便提供對本發(fā)明更為徹底的理解。然而，對于本領(lǐng)域技術(shù)人員來說顯而易見的是，本發(fā)明可以無需一個或多個這些細節(jié)而得以實施。在交通視頻檢測與跟蹤實踐中發(fā)現(xiàn)，不同車道兩輛車一般是不會相互遮擋的，但同一車道前后兩車輛之間容易發(fā)生遮擋現(xiàn)象。當發(fā)生同一車道兩輛車之間相互遮擋時，前后兩輛車的后車窗卻不會相互遮擋。由于車輛的后車窗和車身的灰度存在一定差別，較之車身，車輛后車窗的灰度值較?。灰虼?，可以通過繪制交通路口或交通監(jiān)測路段的車輛圖像的亮度曲線來判斷同一車道上是否有車輛遮擋現(xiàn)象發(fā)生。一般而言，后車窗部分對應(yīng)的亮度曲線區(qū)域會存在比較明顯的凹陷，如果交通車輛圖像的整個亮度曲線存在兩個較大的凹陷，則表明該亮度曲線對應(yīng)有兩個不同車輛的后車窗。根據(jù)亮度曲線凹陷區(qū)域在相應(yīng)圖像中對應(yīng)的位置找出兩輛車各自后車窗的位置，并根據(jù)后車窗位置進行圖像分割。本發(fā)明的具體實施方式
是針對高分辨率圖像進行的，在一個具體實施例中，車輛圖像是由交通監(jiān)控路口或交通監(jiān)控路段的高清視頻攝像頭所拍攝的。本發(fā)明的基于車窗定位的車輛遮擋檢測與分割方法步驟如下步驟1 將彩色車輛圖像轉(zhuǎn)化為灰度圖像。步驟2 求取所述灰度圖像的每一行像素值之和的平均值，并繪制出相應(yīng)的水平亮度曲線圖。所述水平亮度曲線是以每一行像素值之和的平均值為橫軸，自下向上的行數(shù)為縱軸繪制的，如圖2和3所示。步驟3 標記該水平亮度曲線中的凹陷區(qū)域。具體地，對繪制的水平亮度曲線中連續(xù)區(qū)段的凹陷區(qū)域進行標記。當水平亮度曲線存在兩個凹陷區(qū)域時，判斷出所述亮度曲線對應(yīng)的車輛圖像發(fā)生了車輛遮擋現(xiàn)象。所述凹陷區(qū)域定義為該水平亮度曲線中的行像素之和的平均值小于閾值Tl，且行數(shù)大于閾值T2。在一個優(yōu)選實施例中，Tl = 70，T2 = 50。具體實施時，還可根據(jù)視頻圖像的分辨率進行學習與調(diào)整。圖4示出了根據(jù)本發(fā)明的車輛遮擋檢測與分割方法，通過水平亮度曲線得到的后車窗的位置和車輛分割線。步驟4 根據(jù)所述水平亮度曲線的凹陷區(qū)域標記所對應(yīng)的圖像區(qū)域繪制后車窗定位線，當前后兩輛車發(fā)生遮擋時，會存在兩個后車窗區(qū)域；因此在兩個后車窗區(qū)域之間確定一條分割線進行車輛的水平分割。該分割線是對兩個后車窗區(qū)域之間區(qū)域部分按第一輛車的長度占Li，第二車輛的長度占L2的比例進行分割。在一個優(yōu)選實施例中，Ll = 0. 4，L2 =0.6，如圖4所示。步驟5 根據(jù)分割線將車輛圖像分割成兩幅車輛圖像，對該兩幅車輛圖像分別繪制垂直亮度曲線，其中，垂直亮度曲線的橫軸表示圖像的列數(shù)，縱軸表示每一列像素值之和的平均值。如圖5所示，將所述垂直亮度曲線的縱軸值大于Τ3，列數(shù)大于Τ4的垂直亮度曲線標記為輛車的寬度。在一個具體實施例中，Τ3 = 80，T4 = 200。圖5示出了前后兩輛車發(fā)生遮擋情況時，前后兩輛車各自的車輛寬度示意圖。。
步驟6利用步驟4得到的所述車輛長度和步驟5得到的所述車輛寬度，對車輛進行分割。圖6示出了根據(jù)本發(fā)明的車輛遮擋檢測與分割方法得到的遮擋車輛分割圖。其中步驟1中，將彩色圖像轉(zhuǎn)化為灰度圖像，得到亮度值。在圖像處理過程中，直接處理彩色圖像需要很大的存儲量，占用大量的系統(tǒng)資源，不利于圖像的快速處理。因此， 本實施方案采用不含彩色信息的灰度圖像進行數(shù)據(jù)檢測與分割。在一個具體實施例中，，對于交通路口或交通監(jiān)控路段的視頻攝像頭拍攝到的彩色圖像數(shù)據(jù)，通過如下公式實現(xiàn)的算法得到圖像中每個像素點的灰度值Y = 0. 3 · R+0. 59 · G+0. 11 · B (1)上式中，Y表示圖像數(shù)據(jù)中某像素點的灰度，R代表該像素點紅色元素的值，G代表該點綠色元素的值，B代表該點藍色元素的值。步驟2中，沿著水平方向?qū)囕v圖像進行掃描，對每一行的灰度值進行求和取平均，得到該車輛的水平亮度曲線。其中，該水平亮度曲線的縱軸表示圖像的行數(shù)，橫軸表示行灰度平均值的大小。對該水平亮度曲線進行寬度為T5的均值濾波，從而去除過小與過大的亮度值。優(yōu)選地，T5 = 7。步驟3車輛水平亮度曲線中，后車窗對應(yīng)的水平亮度曲線部分存在比較明顯的凹陷區(qū)域。對凹陷區(qū)域進行標記，認為該凹陷區(qū)域即對應(yīng)著車輛的后車窗位置。當檢測到水平亮度曲線部分有兩個這樣的凹陷區(qū)域時，及矩形框中對應(yīng)有兩個這樣后車窗，即認為發(fā)生了車輛遮擋。具體如下在圖2的車輛水平亮度曲線中，后車窗對應(yīng)的水平亮度曲線部分存在比較明顯的凹陷區(qū)域。下一步需要從該水平亮度曲線中找出后車窗所在的區(qū)域，并標記。具體地對該水平亮度曲線按橫軸值進行閾值分割，該閾值為Tl，大于Tl的亮度值等于255，小于Tl的亮度值為0 ；然后統(tǒng)計所有亮度值等于255的連續(xù)長度，當連續(xù)長度達到T2值時表示檢測到一個后車窗。當檢測到有多個后車窗時，表示發(fā)生了車輛遮擋。步驟4:據(jù)所述水平亮度曲線的凹陷區(qū)域標記對應(yīng)的圖像區(qū)域，從而繪制后車窗定位線。當兩輛車發(fā)生遮擋時，存在兩個后車窗區(qū)域；在兩個后車窗區(qū)域之間確定一條分割線進行車輛的水平分割。該分割線是對兩個后車窗區(qū)域之間區(qū)域部分按第一輛車的長度占 Li，第二車輛的長度占L2的比例進行分割。在本實施例中，Ll =0.4 ；L2 = 0. 6，如圖4所示；步驟5 根據(jù)分割線將車輛圖像分割成兩輛圖像，對兩輛圖像分別繪制垂直亮度曲線。其中，該垂直亮度曲線的橫軸表示圖像的列數(shù)，縱軸表示每列像素值之和的平均值， 如圖5所示。將該垂直亮度曲線上縱軸值大于T3，列數(shù)大于T4的亮度曲線段對應(yīng)的車輛圖像部分標記為車輛區(qū)域，從而得到每輛車的寬度。優(yōu)選地，選取T3 = 80，T4 = 200。如圖5 示出了通過圖4的分割線分割出的兩輛車的垂直亮度曲線得到該兩輛車的寬度Wl和WZ0步驟6:結(jié)合步驟4，如圖4所示，車輛分割線以下部分為第一輛車的長度，以上部分為第二輛車的長度。再根據(jù)步驟5得到的車輛寬度，得到兩個車輛的矩形圖。圖6示出了根據(jù)本發(fā)明的車輛遮擋檢測與分割方法得到的遮擋車輛分割圖。本發(fā)明已經(jīng)通過上述實施例進行了說明，但應(yīng)當理解的是，上述實施例只是用于舉例和說明的目的，而非意在將本發(fā)明限制于所描述的實施例范圍內(nèi)。此外本領(lǐng)域技術(shù)人員可以理解的是，本發(fā)明并不局限于上述實施例，根據(jù)本發(fā)明的教導還可以做出更多種的變型和修改，這些變型和修改均落在本發(fā)明所要求保護的范圍以內(nèi)。本發(fā)明的保護范圍由附屬的權(quán)利要求書及其等效范圍所界定。
權(quán)利要求
1.基于車窗定位的車輛遮擋檢測與分割方法，其包括步驟如下步驟1 將彩色車輛圖像轉(zhuǎn)化為灰度圖像；步驟2 求取所述灰度圖像的每一行像素值之和的平均值，并繪制出相應(yīng)的水平亮度曲線圖；步驟3 標記所述水平亮度曲線中連續(xù)區(qū)段的凹陷區(qū)域；所述凹陷區(qū)域定義為所述水平亮度曲線中的行像素之和的平均值小于閾值Tl，且行數(shù)大于閾值T2的區(qū)域，且對檢測到所述水平亮度曲線部分具有兩個所述凹陷區(qū)域時，判定為發(fā)生了前后車車輛遮擋；步驟4:根據(jù)所述水平亮度曲線的凹陷區(qū)域標記所對應(yīng)的圖像區(qū)域繪制車后窗定位線，并根據(jù)所述后車窗定位線對遮擋車輛進行水平分割，所述水平分割的分割線是對兩個車窗區(qū)域之間區(qū)域部分按前后兩車車輛長度的比例進行分割，其中，第一輛車的長度占Ll， 第二車輛的長度占L2;步驟5 根據(jù)所述分割線將車輛圖像分割成兩幅車輛圖像，對所述兩幅車輛圖像分別繪制垂直亮度曲線，其中，垂直亮度曲線的橫軸表示圖像的列數(shù)，縱軸表示每一列像素值之和的平均值；并將所述垂直亮度曲線的縱軸值大于T3，列數(shù)大于T4的垂直亮度曲線部分標記為車輛的寬度；步驟6 利用步驟4得到的所述車輛長度和步驟5得到的所述車輛寬度，對車輛進行分割。
2.根據(jù)權(quán)利要求1所述的基于車窗定位的車輛遮擋檢測與分割方法，其特征在于，在步驟1中，所述將彩色圖像轉(zhuǎn)化為灰度圖像是指，通過如下公式實現(xiàn)的算法得到圖像中每個像素點的灰度值Y = 0. 3 · R+0. 59 · G+0. 11 · B其中，Y表示圖像數(shù)據(jù)中某像素點的灰度，R代表所述像素點紅色元素的值，G代表該點綠色元素的值，B代表該點藍色元素的值。
3.根據(jù)權(quán)利要求1所述的基于車窗定位的車輛遮擋檢測與分割方法，其特征在于，步驟2中所述水平亮度曲線是沿著水平方向?qū)囕v圖像進行掃描，以每一行像素灰度值之和的平均值為橫軸，自下向上的行數(shù)為縱軸繪制的；其中，所述水平亮度曲線的縱軸表示圖像的行數(shù)，橫軸表示行灰度平均值的大小。
4.根據(jù)權(quán)利要求3所述的基于車窗定位的車輛遮擋檢測與分割方法，其特征在于，對所述水平亮度曲線進行寬度為T5 = 7的均值濾波。
5.根據(jù)權(quán)利要求1所述的基于車窗定位的車輛遮擋檢測與分割方法，其特征在于，步驟3中，對所述水平亮度曲線按橫軸值按閾值Tl進行分割，大于Tl的亮度值等于255，小于 Tl的亮度值為0 ；然后統(tǒng)計所有亮度值等于255的連續(xù)長度，當連續(xù)長度達到T2值時表示檢測到一個后車窗；當檢測到有多個后車窗時，表示發(fā)生了車輛遮擋。
6.根據(jù)權(quán)利要求5所述的基于車窗定位的車輛遮擋檢測與分割方法，其特征在于，Tl =70，T2 = 50。
7.根據(jù)權(quán)利要求1所述的基于車窗定位的車輛遮擋檢測與分割方法，其特征在于，步驟4中，根據(jù)所述水平亮度曲線的凹陷區(qū)域標記對應(yīng)的圖像區(qū)域，從而繪制后車窗定位線， 并對兩輛車發(fā)生遮擋時在兩個后車窗區(qū)域之間確定一條分割線進行車輛的水平分割。
8.根據(jù)權(quán)利要求1或7所述的基于車窗定位的車輛遮擋檢測與分割方法，其特征在于，步驟4中，所述分割線是對兩個后車窗區(qū)域之間區(qū)域部分按第一輛車的長度占Ll = 0. 4，第二車輛的長度占L2 = 0. 6的比例進行分割。
9.根據(jù)權(quán)利要求1所述的基于車窗定位的車輛遮擋檢測與分割方法，其特征在于，步驟 5 中，T3 = 80，T4 = 200。
全文摘要
本發(fā)明涉及基于車窗定位的車輛遮擋檢測與分割方法，涉及交通視頻檢測技術(shù)領(lǐng)域。所述方法包括步驟1，將彩色車輛圖像轉(zhuǎn)化為灰度圖像；步驟2，繪制出相應(yīng)的水平亮度曲線圖；步驟3，標記該水平亮度曲線中的凹陷區(qū)域；步驟4，根據(jù)所述水平亮度曲線的凹陷區(qū)域標記所對應(yīng)的車輛圖像區(qū)域繪制后車窗定位線；步驟5，根據(jù)分割線將車輛圖像分割成兩幅車輛圖像，對該兩幅車輛圖像分別繪制垂直亮度曲線；步驟6，利用車輛長度和車輛寬度，對車輛進行分割。本發(fā)明方法能夠準確進行高清或標清彩色圖像車輛遮擋的檢測和分割，從而為提高車輛檢測及車流量統(tǒng)計的準確性。
文檔編號G06T7/00GK102169583SQ20111012453
公開日2011年8月31日 申請日期2011年5月13日 優(yōu)先權(quán)日2011年5月13日
發(fā)明者劉小明, 張永忠, 張福生, 李正熙, 李穎宏, 熊昌鎮(zhèn), 王力 申請人:北方工業(yè)大學